Chain Of Thought Designer

Chain of Thought Designer

Critères de décision — Quand utiliser CoT ?

Règle de base : si un humain expert ferait une brouillon avant de répondre, utilisez CoT.

Étape 1 — Cadrer la tâche

Répondre à ces 4 questions avant de concevoir le prompt :

1. Input : quel format d'entrée (texte libre, JSON, question, code) ?
2. Output attendu : nombre, décision binaire, texte structuré, code ?
3. Complexité : combien de sous-étapes de raisonnement minimum ?
4. Sensibilité : une erreur intermédiaire silencieuse est-elle acceptable ?

Étape 2 — Décomposition logique

Lister les sous-questions dans l'ordre de dépendance :

Tâche : "Évaluer si une transaction est frauduleuse"

1. Quel est le montant et la devise ? → normaliser
2. L'heure est-elle inhabituelle pour ce compte ?
3. La localisation correspond-elle au profil ?
4. Y a-t-il eu plusieurs tentatives récentes ?
5. Score de risque global → décision binaire

Chaque étape doit produire une valeur utilisée par la suivante. Si ce n'est pas le cas, la décomposition est incomplète.

Étape 3 — Patterns de prompt

Zero-shot CoT

La formule la plus simple. Ajouter à la fin du prompt :

Raisonne étape par étape avant de donner ta réponse finale.

Variantes efficaces (2026) :

Avant de répondre, expose ton raisonnement en détail.
Pense à voix haute, puis conclus.
Let's think step by step.   # anglais reste plus performant sur certains modèles

Structured CoT

Pour forcer un format de sortie prévisible :

Réponds en suivant exactement cette structure :

ÉTAPE 1 — Identification : [que sais-tu avec certitude ?]
ÉTAPE 2 — Analyse : [quelles déductions logiques ?]
ÉTAPE 3 — Vérification : [y a-t-il une contradiction ou un cas limite ?]
ÉTAPE 4 — Conclusion : [réponse finale et niveau de confiance]

Few-shot CoT

Fournir 1 à 3 exemples complets avec le raisonnement visible :

Exemple :
Q : Un train part à 14h00 à 120 km/h. Un autre part à 15h00 à 160 km/h dans le même sens. À quelle heure le second rattrape-t-il le premier ?

Raisonnement :
- À 15h00, le premier train a 1h d'avance = 120 km d'écart.
- Vitesse relative du second = 160 - 120 = 40 km/h.
- Temps pour combler l'écart = 120 / 40 = 3 heures.
- Le second rattrape le premier à 15h00 + 3h = 18h00.

Réponse : 18h00.

---
Maintenant résous : [NOUVELLE QUESTION]

Self-Consistency (pour tâches critiques)

Demander N raisonnements indépendants, prendre la réponse majoritaire :

Résous ce problème de 3 façons différentes, en partant d'angles différents.
Compare tes 3 réponses. Si elles divergent, identifie l'erreur et corrige.
Donne ensuite ta réponse finale.

Plan-then-Execute (agents / tâches longues)

PHASE 1 — Plan : liste les étapes nécessaires sans encore les exécuter.
PHASE 2 — Validation du plan : y a-t-il des dépendances manquantes ou des risques ?
PHASE 3 — Exécution : exécute chaque étape dans l'ordre, en marquant chaque résultat intermédiaire.
PHASE 4 — Synthèse finale.

Étape 4 — Prompt final prêt à l'emploi

Structure type à copier :

[CONTEXTE / RÔLE]
Tu es un expert en [domaine].

[TÂCHE]
[Description précise de ce que tu demandes]

[DONNÉES D'ENTRÉE]
[Insérer ici les données ou laisser un placeholder {{input}}]

[INSTRUCTIONS DE RAISONNEMENT]
Avant de donner ta réponse, raisonne étape par étape :
1. Identifie les éléments clés.
2. Analyse chaque élément.
3. Vérifie les hypothèses.
4. Conclus.

[FORMAT DE SORTIE]
Réponds avec :
- Raisonnement : [ton analyse en bullet points]
- Réponse finale : [réponse concise]
- Niveau de confiance : [élevé / moyen / faible] + justification si moyen/faible

Étape 5 — Validation du prompt

Tester avec au moins 3 cas :

Exemple de cas piège classique :

Q : "Si 5 machines fabriquent 5 pièces en 5 minutes, combien de minutes faut-il
     à 100 machines pour fabriquer 100 pièces ?"
Réponse intuitive (fausse) : 100 minutes.
CoT correct : 1 machine = 1 pièce en 5 min → 100 machines = 100 pièces en 5 min.

Garde-fous et anti-patterns

Ne pas faire :

• Demander CoT sur une tâche triviale → surcharge inutile, verbosité sans valeur
• Oublier de spécifier le format de sortie → raisonnement visible mais conclusion noyée
• Utiliser CoT seul pour des tâches critiques sans validation externe
• Chaîner plus de 7-8 étapes sans checkpoint intermédiaire (dérive du contexte)
• Mélanger raisonnement et exécution dans le même token stream sans séparateur clair

Signaux d'alerte sur un prompt CoT existant :

• Le modèle saute des étapes ou les réordonne → reforcer avec Structured CoT
• Le raisonnement est correct mais la conclusion est erronée → ajouter Vérifie ta conclusion par rapport à ton raisonnement
• Résultats incohérents entre runs → utiliser Self-Consistency
• Le raisonnement est verbeux sans valeur → simplifier le nombre d'étapes demandées

Bonnes pratiques 2026

• Séparer raisonnement et réponse avec des balises XML (<thinking>...</thinking> puis <answer>...</answer>) — Claude et GPT-4o les respectent mieux que les headers Markdown dans les pipelines programmatiques.
• Préférer l'anglais pour les instructions de raisonnement sur les benchmarks numériques et logiques — les modèles ont été davantage entraînés en anglais sur ces domaines.
• Limiter la température (0.0–0.3) pour les tâches de raisonnement logique strict ; monter à 0.5–0.7 uniquement pour la génération créative avec CoT.
• Cacher le raisonnement à l'utilisateur final si nécessaire : générer en deux appels (1er appel CoT interne, 2e appel synthèse uniquement).
• Versionner les prompts CoT comme du code — un changement mineur de formulation peut dégrader significativement les performances.